157のAIエージェント展開に関する重要な研究により、成功の主な決定要因は実行速度やモデルサイズではなく、計画の質であることが明らかになりました。この観察結果から、階層的で計画を優先する「Orcaスタイル」のエージェントが開発されました。この研究では、多様なユースケースにわたるエージェントアーキテクチャ、計画の深さ、実行モデルが変更されました。計画により多くのトークンを割り当てたエージェントは、タスク完了率が大幅に高く、ロールバックが少なくなりました。この背後にある経済的原則は、計画は実行中に犯された間違いを修正する高コストと比較して安価であるということです。Orcaスタイルのエージェントは、計画と実行を分離し、戦略プランナーが複雑な推論を処理し、専門のエグゼキューターが定義されたタスクを実行します。スペシャリストは、その能力を説明する「スキルカード」を持ち、共有メモリレイヤーが状態を維持します。効果的な実装パターンには、検証ゲート付きの再帰的分解、スペシャリストルーティング、ステートフルコンテキスト伝播が含まれます。回避すべき落とし穴は、過剰な計画、過度のスペシャリストの断片化、サイレントな再計画、コンテキストウィンドウのホードです。Orcaスタイルのフリートは、マルチステップワークフローおよびハイステークオペレーションに推奨されます。コストモデルは、複雑なタスクにおいてOrcaスタイルのアーキテクチャを支持しており、リトライやエスカレーションの減少により、総トークンコストが削減されています。AIエージェントの将来は、専用のツールやライブラリによる計画能力の強化に焦点を当てる可能性が高いです。中心的な洞察は、思慮深い計画がエージェンティックワークの最も重要な側面であるということです。Orcaスタイルの計画の実装は、目標を分解し、各ステップを検証する単一のプランナー関数から始めることができます。